Python statistics模块示例详解

常用功能 mean(data)

mean(data)

用于求给定序列或者迭代器的算术平均数。

import statistics
example_list = [1,2,3,4,5,6]
x = statistics.mean(example_list)
print(x)
# 输出结果
3.5

harmonic_mean(data)

harmonic_mean(data) 用于计算数据的调和均值。

x = statistics.harmonic_mean(example_list)
print(x)
print(1/sum([1/1,1/2,1/3,1/4,1/5,1/6])*6)
# 输出结果
2.4489795918367347
2.448979591836735

median(data)

median(data) 计算数据的中位数。如果有两个中位数，则返回其平均值。

x = statistics.median(example_list)
print(x)
# 输出结果
3.5

median_low(data)

median_low(data) 也是用于计算中位数的，如果有两个中位数，返回较小的那个。​​​​​​​

x = statistics.median_low(example_list)
print(x)
# 输出结果
3

median_high(data)

median_high(data) 也是用于计算中位数的，如果有两个中位数，返回较大的那个。​​​​​​​

x = statistics.median_high(example_list)
print(x)
# 输出结果
4

mode(data)

mode(data) 计算众数，也就是序列中出现次数最多的元素。​​​​​​​

x = statistics.mode([1,1,2,3,4,3,3,3,3])
print(x)
x = statistics.mode(["a","b","c","d","d","a","a",])
print(x)
# 输出结果
3
a

pstdev(data, mu=None)

pstdev(data, mu=None) 用于计算数据的总体标准差。其中 mu 是序列的均值，如果你已经知道了该序列的均值，可传入该参数以减少计算量，当然该函数不会去验证你传入的均值是否合法，使用错误的均值可能会产生无效的结果。​​​​​​​

x = statistics.pstdev([2,2,2,6])
print(x)
# 输出结果
1.7320508075688772

pvariance(data, mu=None)

pvariance(data, mu=None) 用于计算数据的总体方差。​​​​​​​

x = statistics.pvariance([2,2,2,6])
print(x)
# 输出结果
3

stdev(data, xbar=None)

stdev(data, xbar=None) 用于计算数据的样本标准差。其中 xbar 是序列的均值，如果你已经知道了该序列的均值，可传入该参数以减少计算量，当然该函数不会去验证你传入的均值是否合法，使用错误的均值可能会产生无效的结果。​​​​​​​

x = statistics.stdev([2,2,2,6])
print(x)
# 输出结果
2.0

variance(data, xbar=None)

variance(data, xbar=None) 用于计算数据的样本方差。​​​​​​​

x = statistics.variance([2,2,2,6])
print(x)
# 输出结果
4

statistics 总结

本文总结了 statistics 模块的常规操作，对于数据分析还是非常有益处的。

到此这篇关于Python statistics模块示例详解的文章就介绍到这了,更多相关Python statistics模块内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论